Geri Dön

Recovery from planning failures by creating alternative solutions

Alternatif çözüm üretme ile planlama hatalarının kotarılması

  1. Tez No: 439498
  2. Yazar: ERSİN ÖZTÜRK
  3. Danışmanlar: ÖĞR. GÖR. BÜLENT BÖLAT, DOÇ. DR. SANEM SARIEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Sistem Dinamiği ve Kontrol Bilim Dalı
  13. Sayfa Sayısı: 81

Özet

Robotlar gibi bir çok akıllı unsur için, görevlerini düzgün şekilde yürütebilmeleri açısından bilişsellik önemli bir husustur. Bilişsel robotlar uygulayacağı görevi aksiyonlar ve durumlar dizisi olarak tanım kümesi içinde bulundurur. Bu tanım kümesi, planlama probleminin alt bileşenleridir. Aksiyonlar görevin ufak parçaları olarak düşünülebilir. Her aksiyonun bir ön koşulu ve sonucu vardır. Plan arama ağacı oluşturulurken aksiyonlar, bir önceki aksiyonun oluşturacağı yeni durumun, bir sonraki aksiyonun ön koşullarını sağlıyor olması koşulu ile sıralanır. Plan, ilk durum ile son durum arasında, bir dizi aksiyon olarak üretilir. Bir başlangıç durumundan hedef durumuna farklı aksiyon dizileri ile ulaşmak mümkündür. Bu durum, bir hedefe ulaşmak için farklı planların mevcut olabileceğini ifade eder. Akıllı bir sisteme görev verildiğinde, planlayıcı denilen yapı, görevde tanımlanan hedef durumuna ulaşmak için gerekli aksiyon dizisini çeşitli arama yöntemleri kulanarak saptayıp, planı üretir. Plan, sistemi hedef durumuna götürecek, maliyet açısından en düşük aksiyonlar dizisidir. Buradaki maliyet farklı şekillerde tanımlanabilir. Bir robotun harcadığı güç, toplam uygulama zamanı ya da başka bir öntanımlı maliyet hesaplaması mümkün olabilir. Bu çalışmada kullanılan \texttt{GraphPlan} adlı planlayıcı, en kısa planı (içinde en az miktarda aksiyon barındıran planı) elde etmeyi hedefler. Bilişsel robotlarda ortamın gözlenmesi ile robot hangi durum uzayında bulunduğunu algılayabilir. Durum uzayının değişkenleri robotun konumu, görev durumu, dış ortamın durumu, enerji, iletişim gibi konularla alakalı durumlar olabilir. Böylece görevin yürütülmesine ilişkin kendi kendine bir denetleme yapmış olur. Görevin doğru yürütülmesi belli kriterlerin doğru şekilde yerine getirilmesine bağlıdır. Bilişsel robotlar görev yürütürken durumlarını sürekli kontrol edip gerekli çıkarımları yaparlar. Bu şekilde görevin olumlu ya da olumsuz sonuçlandığı kararına varabilir, olumsuz durum oluştuğunda gerekenleri yapabilirler. Bu görevler sırasında isteyenmeyen durumlar oluşabilir. İstenmeyen durumlardan kurtulmanın mümkün olduğu gibi, olmadığı durumlar da vardır. Bu tür durumlarda, planlayıcı yeni bir çözüm üretemediğinden sistem hata belirtir. Bu tür hataların önüne geçmek veya üstesinden gelmek için akıllı sistemler otonom olarak, durum değerlendirmesi yaparak gerekli çözümü üretebilirler. Dış ortama, robotun donanımına ve daha bir çok etkene bağlı olarak hatalar oluşabilir. Oluşabilecek hata türlerinden biri de, bazı aksiyonların eksikliğine bağlı doğabilecek planlama hatalarıdır. Bu durumda, ilk durumdan hedef durumuna ulaşmak için gerekli aksiyonlardan bazıları olmadığında, plan üretmek mümkün olmayacaktır. Ancak birden fazla robot, işbirliğine bağlı olarak bu tür hataların üstesinden gelebilir. Bu çalışmada önerilen yöntem de işbirliği temelindedir. Çoklu robot sistemleri birden fazla robotun aynı ortamda bulunup, birlikte görev yürütebildikleri sistemlerdir. Bu robot kümeleri özellikleri bakımından homojen veya homojen olmayan yapıda olabilir. Homojen robot kümelerinde tüm robotlar aynı becerilere sahiptir. Yani robotlar donanımsal ve uygulayabilecekleri aksiyon kümesi açısından aynıdırlar. Homojen olmayan robot kümelerinde ise robotlar farklı yapılara ve becerilere sahiptir. Böylece, bir robot tarafından gerçekleştirilmesi mümkün olmayan bir görevin başka bir robot tarafından mümkün olabilir. Planlama açısından bakıldığında ise robot kümeleri merkezi ve merkezi olmayan olarak iki şekilde ifade edilebilir. Merkezi planlama, tüm robotlar için planın alt görevlerinin bir merkez tarafından belirlenmesi esasına dayanır. Merkezi olmayan planlamada ise robotlar kendi aralarında planı üretirler. Ancak hedef durum bireysel değil, kümenin genel hedefidir. Bu çalışmada, aksiyon eksikliğine bağlı durumlarda oluşan planlama hatalarının giderilmesi için, homojen olmayan robot kümeleri için merkezi olmayan bir planlama yöntemi önerilmiştir. Önerilen yönteme göre, başka bir robottan istenecek yardım planlama uzayındaki arama seviyelerinin ileri ve geri yönde elde edilip kıyaslanması ardından, hataya neden olan boşluğun bulunmasına dayanır. Bu boşluk, üstesinden gelinmesi gereken kısımın ilk ve son durumlarını belirtir. Bulunan ilk ve son durumlar başka bir robot tarafından kendi durum dosyalarının içine yazılarak olası bir işbirliğinin mümkün olup olmadığını görmek için plan yapılır. Eğer bu plan olumlu olarak sonuçlanırsa, ilk robot da kısmi planlarını oluşturur ve sonuç olarak toplam plan üç bölümden oluşacak şekilde elde edilmiş olur. Bu çalışmada, planlayıcı olrak GraphPlan, simülasyon ortamı olarak da V-REP yazılımı kullanılmıştır. Simülatördeki robotlar kendi ilk durumlarından hedef durumlarına ulaşmak için, durum dosyalarını da kullanarak GraphPlan planlayıcısını çağırırlar. Planlayıcının çıkış dosyasındaki aksiyon dizisi okunup simülatör içinde uygulanır. Planın oluşturulamadığı durumlarda ise önerilen iki yönlü arama yöntemi kullanılarak plandaki boşluk bulunarak yardım istenir. Simülatörün kodlama dili Lua, planlayıcının kodlama dili ise C'dir. Bu iki bileşen arasındaki işlem akışını kolaylaştırmak için ise bir Python modülü oluşturulmuştur. Arama ağacının son seviyeleri arasındaki karşılaştırma ve anlamlandırma işlemlerini bu modül yaparak, plandaki boşluğun ilk ve son durumunu oluşturduğu dosyalar V-REP simülatör tarafından okunarak uygulanır. Robotlar arasındaki iletişim simülatörün kendi içindeki iletişim fonksiyonları ile sağlanır. Robotların her iletişim sinyali biçimine göre oluşturacakları davranış biçimleri önceden belirtilmiştir. Görevin başlaması, yürütülmesi, iptal olması, durması, tamamlanması, yardım isteği, yardım bilgileri, plan bilgileri, plan maliyeti gibi çeşitli durum ve parametreleri ifade iletişim sinyalleri tanımlanmıştır. Bir robotun planının oluşturulamamasından dolayı yardım istemesi gerektiğinde ortamda eğer birden fazla yardım sağlayabilecek robot bulunuyorsa, bu durumda açık arttırma yönetmi benzeri bir yaklaşım kullanılarak, yardımı en düşük maliyetle sağlayacak robotun gerekli yardım aksiyonlarını sağlaması hedeflenir. Böylece bir nevi maliyet optimizasyonu yapılmış olur. Yardım sağlayan robotlar, işlemlerini bitirdiklerinde görevin geri kalanının da tamamlanabilmesi için güvenli bir mesafeye çekilirler. Böylece yardımı isteyen robot planının son aşamasını da tamamlayarak hedefe ulaşmış olur. Bu çalışmanın diğer çoklu robot planlama sistemlerinden farkı, hedefe ulaşmayı engelleyen boşluğun ileri ve geri arama yapılarak bulunup, sadece bu kısım için yardım istenmesi sebebi ile, hedefin bireysel olarak kalmasının sağlanmasıdır.

Özet (Çeviri)

For many agents intelligent like robots, being cognitive is an important point in order to complete their missions successfully. Cognitive robots define their mission as a sequence of actions and states. These actions are the sub parts of the whole mission. To conduct their missions successfully, they need to monitor and evaluate every step of the execution. When a mission is given to an intelligent agent, the process called planner, finds a valid sequence of actions to obtain the plan. Then the plan is defined as a sequence of actions that results in the desired state, with the lowest possible cost. The definition of cost may differ from a domain to another. It could be the total time, total power or the plan length. In the GraphPlan planner which is used in this work, the shortest plan is selected. While executing the actions, failures might occur due to different reasons. There might be the cases which the system could fix the problem easily, and sometimes there might be failures that are not easy or impossible to recover by classical methods. Missing actions are also one of the causes of failures. If an agent does not have the proper set of actions to execute a task, a plan is not found, therefore it will result in failure. It is possible for multiple robot teams to overcome such failures. Multiple robot teams can be classified among their capabilities or the way of planning they use. Homogeneous robot teams include multiple robots which all of them have the same capabilities. Heterogeneous robot teams include multiple robots with different capabilities. Because of these differences, a task that is not possible for a robot to execute, could be possible for another. From the planning perspective, there are centralized and de-centralized approaches. In centralized planning, a plan is generated and assigned to the robots by a central control system or a supervisor. In decentralized planning, robots decide on the plan on their own. But in both of the cases, the goal is not individual but general for the whole team. In this work, a decentralized method to overcome the problem of planning failures due to lack of actions for the non-homogeneous systems is proposed. We focus on using the planning graphs to obtain a solution. If a plan results in failure, we propose to get help from another agent. We formulate this 'help' by finding the gap in the graph search. The gap that is causing the planning failure is found by creating the planning graph both in forward and backward directions to obtain the last layers of the search. After obtaining the last graph layers of the both searches, series of algorithms are proposed to find the gap and the final cooperative plan. Therefore, by deleting connective states and their mutex pairs from both sides of the layers results in the gap; and having found this gap, it is possible to plan for the second agent to adopt a complementary plan.

Benzer Tezler

  1. Hemodynamic assessment of self-expandable pulmonary valve in treating surgically repaired tetralogy of Fallot using 3D printed models

    Cerrahi olarak onarılmış Fallot tetralojisinin tedavisinde kendiliğinden genişleyebilen pulmoner kapağın 3D baskılı modeller kullanılarak hemodinamik değerlendirmesi

    ENDER ÖDEMİŞ

    Doktora

    İngilizce

    İngilizce

    2024

    BiyomühendislikKoç Üniversitesi

    Biyomedikal Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. KEREM PEKKAN

  2. İş sürekliliği yönetiminde analiz ve planlama için bayes ağlarına dayalı bir model

    A model for analysis and planning in business continuity management with bayesian networks

    ZEYNEP ÇAKIR SAYGILI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UMUT ASAN

  3. Bilişsel robotlarda yaşam boyu deneyimsel öğrenme ile hata kotarma

    Failure recovery by long-term experience-based learning for cognitive robotics

    SERTAÇ KARAPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SANEM SARIEL TALAY

  4. Service recovery justice and its impacts on the customer loyalty

    Hizmet kurtarma adaleti ve müşteri sadakatine etkileri

    RIYAM ABDULWAHID RASHEED

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    İşletmeİstanbul Okan Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÖZGÜR ÇENGEL